SKILLEMALL.ai

BC avengers-assemble

Система координации мультиагентов в стиле Мстителей. Ник Фьюри управляет 6 специализированными героями (Капитан Америка, Железный человек, Халк, Черная вдова, Соколиный глаз, Тор) через делегирование сессий sessions_spawn. Поочередное распределение, протокол первого ответа, повторное использование sessionKey. Идеально подходит для сложных задач, требующих разнообразного опыта и скоординированного выполнения команд.

машинный переводПоказать оригиналСкрыть оригинал«Avengers-themed multi-agent coordination system. Nick Fury orchestrate…»

Avengers-themed multi-agent coordination system. Nick Fury orchestrates 6 specialized heroes (Captain America, Iron Man, Hulk, Black Widow, Hawkeye, Thor) through sessions_spawn delegation. Round-robin dispatch, reply-first protocol, sessionKey reuse. Perfect for complex tasks requiring diverse expertise and coordinated team execution.

ClawHub Agent Skills автор: ChenXinBest v1.0.0 MIT-0 4 файла тело ≈ 5 724 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система координации мультиагентов в стиле Мстителей.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5724 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "keywords"

Процессный рейтинг: все десять параметров 54/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 31, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 70Стоимость исполнения. Тело инструкции 5724 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 77
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -238 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 58 заголовков
  • +3Пошаговые инструкции: 77 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: clean
This skill is a disclosed multi-agent coordinator; its main risks are expected delegation and reused session memory, not hidden or malicious behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.